Cisco وPwC وWyndham أظهرت كيف تعيد فعليًا تأهيل الموظفين للعمل مع AI

Пока часть рынка обсуждает, сколько рабочих мест ИИ отнимет уже в ближайшие годы, некоторые крупные компании делают ставку на другой сценарий: не резать команды, а быстро переучивать их под новые процессы. На форуме Semafor World Economy руководители Cisco, PwC и Automation Anywhere объяснили, как они пытаются встроить ИИ в работу без разрушения кадрового фундамента.

Кто уже обучает Вокруг корпоративного AI-обучения пока больше разговоров, чем системной практики.

В США только формируются меры поддержки: в феврале 2026 года был внесён двухпартийный законопроект AI Workforce Training Act с налоговыми льготами для компаний, которые обучают сотрудников prompt engineering, data literacy, машинному обучению и AI-этике. Но пока регуляторы спорят о правилах, реальная нагрузка легла на бизнес, а опрос Gallup назвал поддержку менеджеров главным фактором успешного внедрения ИИ. Один из показательных примеров привёл директор по ИИ PwC Дэн Прист. Компания помогла Wyndham внедрить агентную систему для обработки клиентских запросов, и это сократило длительность звонков как минимум на 30%. Освободившееся время не ушло в сокращения: менеджеры получили возможность переобучать сотрудников на задачи, где важнее человеческое участие, например на более качественное общение с гостями, контроль работы самих агентов и решение нестандартных ситуаций.

«Цель была не заменить этих людей», — так Прист описал подход Wyndham к автоматизации.

PwC использовала похожую логику и в работе с Lucid Motors, где ИИ улучшал инструменты финансового прогнозирования. Смысл был не в том, чтобы делать меньше людей нужными, а в том, чтобы переводить их на более ценные навыки. Эту же мысль поддержал глава Automation Anywhere Михир Шукла: эффективное внедрение начинается не с раздачи модных AI-инструментов, а с пересборки самих рабочих процессов и роли человека внутри них.

Как устроено обучение У Cisco подход жёстче и формальнее.

По словам директора по клиентскому опыту Лиз Центрони, базовое понимание ИИ в компании теперь обязательно для всех. Она утверждает, что 98% сотрудников Cisco уже используют AI-инструменты ежедневно, а обучение построено как практическая программа с внутренней системой уровней, напоминающей пояса в карате. Такой формат, по замыслу компании, должен сделать навыки измеримыми и убрать имитацию обучения ради отчётности.

• Базовая AI-грамотность обязательна для всей компании Курсы отличаются по ролям и глубине, а не идут по одной схеме для всех Сотрудников учат на реальных сценариях и рабочих процессах с агентами После автоматизации рутины людей переводят на задачи с большей ценностью Прогресс фиксируют через понятные уровни и завершённые модули Отдельный акцент — на том, что разные сотрудники воспринимают обучение по-разному. В PwC заметили, что молодые специалисты лучше реагируют на короткие видеоинструкции под конкретные задачи, а более старшие и опытные сотрудники — на очные обсуждения того, какие именно нетехнические навыки становятся важнее, когда часть функций забирает ИИ. Универсальная программа для всех здесь скорее мешает, чем помогает, потому что мотивация и страхи у групп сильно различаются. Шукла добавляет ещё один принцип: людей нужно учить не рядом с абстрактным AI-курсом, а прямо внутри реальной работы. Его логика такая: сотрудник должен довести модель до точки, где она начинает ошибаться, и в этот момент понять, в чём состоит его собственная уникальная ценность. Такой подход связывает upskilling не с формальной галочкой в LMS, а с карьерным ростом, ответственностью и новой ролью человека внутри автоматизированной команды.

Почему важны джуны

На фоне разговоров о том, что агентные системы делают junior-позиции ненужными, Прист занимает обратную позицию. По его мнению, компаниям всё равно нужно продолжать нанимать сотрудников начального уровня, даже если часть стартовых задач автоматизируется. Он описывает будущую структуру не как классическую пирамиду, а как песочные часы: много entry-level сотрудников внизу, меньше среднего менеджмента посередине и эксперты наверху, которые задают рамку и контролируют качество.

Логика здесь прагматичная. Джунов проще растить под новые процессы, они дешевле для компании и часто охотнее осваивают ИИ. А вот резкое сокращение людей ради быстрой эффективности может обернуться потерей институциональной памяти, срывом контроля и дорогим наймом через год-два.

К тому же ответственность за ошибки агента всё равно несёт не сам агент, а человек, который его внедрил и контролирует, особенно в регулируемых отраслях, где цена сбоя выше обычного.

Что это значит

Самые внятные корпоративные стратегии вокруг ИИ сейчас выглядят не как «заменим людей ботами», а как «уберём рутину и быстро переучим команду под новую работу». Для рынка это важный сигнал: выигрывать будут не те компании, которые громче всех говорят об автоматизации, а те, кто умеет превратить её в рост навыков, а не только в повод для увольнений.